Product ion distributions using H <sub>3</sub> O <sup>+</sup> proton-transfer-reaction time-of-flight mass spectrometry (PTR-ToF-MS): mechanisms, transmission effects, and instrument-to-instrument variability
Notice bibliographique
Résumé
Abstract. Proton-transfer-reaction mass spectrometry (PTR-MS) using hydronium ion (H3O+) ionization is widely used for the measurement of volatile organic compounds (VOCs) both indoors and outdoors. H3O+ ionization, as well as the associated chemistry in an ion–molecule reactor, is known to generate product ion distributions (PIDs) that include other product ions besides the proton-transfer product. We present a method, using gas-chromatography pre-separation, for quantifying PIDs from PTR-MS measurements of nearly 100 VOCs of different functional types including alcohols, ketones, aldehydes, acids, aromatics, organohalides, and alkenes. We characterize instrument configuration effects on PIDs and find that reactor reduced electric field strength (E/N), ion optic voltage gradients, and quadrupole settings have the strongest impact on measured PIDs. Through an interlaboratory comparison of PIDs measured from calibration cylinders, we characterized the variability of PID production from the same model of PTR-MS across seven participating laboratories. Product ion variability was generally smaller (e.g., < 20 %) for ions with larger contributions to the PIDs (e.g., > 0.30) but less predictable for product ions formed through O2+ and NO+ reactions. We present a publicly available library of H3O+ PTR-MS PIDs that will be updated periodically with user-provided data for the continued investigation into instrument-to-instrument variability of PIDs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».